Seminario 3: Correlación

Análisis de correlación

En el análisis de estudios ecológicos, silvícolas, surge frecuentemente la necesidad de determinar la relación entre dos variables cuantitativas en un grupo de sujetos.

• Altura vs diámetro
• Diámetro vs Diámetro de copa

Usando R

Los datos airquality se encuentran en el paquete R

data(airquality)
head(airquality)

  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

Sirve para conocer el nombre de las variables (columnas)

names(airquality)

[1] "Ozone"   "Solar.R" "Wind"    "Temp"    "Month"   "Day"    

plot(airquality$Ozone)

Examinar si existe una correlación significativa entre las variables Radiación Solar (solar.R) y la Temperatura (Temp)

plot(airquality$Solar.R,airquality$Temp )

Existe una relación entre las variables Radiación Solar (solar.R) y la Temperatura (Temp).

cor.test(airquality$Solar.R, airquality$Temp)

    Pearson's product-moment correlation

data:  airquality$Solar.R and airquality$Temp
t = 3.4437, df = 144, p-value = 0.0007518
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.1187113 0.4194913
sample estimates:
      cor 
0.2758403 

• La correlación de las variables Radiación Solar (solar.R) y la Temperatura (Temp) fue de 0.2758

• La correlación es baja pero significativa Pvalue=0.00075

Buscar las correlaciones

• Ozone vs Solar.R
• Wind vs Solar.R
• Day vs Ozone

[1] "Ozone"   "Solar.R" "Wind"    "Temp"    "Month"   "Day"    

Seguir las siguientes instrucciones

• Descargar los datos del Bosque Escuela
• Realizar plot de Altura vs diámetro
• Determinar si existe una correlación entre las variables